信号检测估计第一章基础知识.pptVIP

第0章 前言 第一章 基础知识 第二章 随机信号分析 第三章 信号检测的基本理论 第四章 确知信号的检测 第五章 随机参量信号的检测 第六章 估计的基本理论—参数估计 第七章 信号波形估计 第八章 功率谱估计 1.1 信号处理概述 1.1 信号处理概述- 1.1.1 信号的分类 第0章 前言 第一章 基础知识 第二章 随机信号分析 第三章 信号检测的基本理论 第四章 确知信号的检测 第五章 随机参量信号的检测 第六章 估计的基本理论—参数估计 第七章 信号波形估计 第八章 功率谱估计 几种常见而且重要的连续随机变量概率密度函数。 1）均匀分布 2）高斯分布（正态分布） 3）韦布尔分布 1.2 随机变量与特征函数-1.2.1 随机变量 4）瑞利分布、莱斯分布、t分布、χ分布等。 二维随机变量（X，Y）的联合分布函数定义： 如果F2（X，Y）的联合分布函数连续，并且存在二阶混合偏导数，则定义它的二阶偏导数为二阶联合概率密度函数，表示为： 例如：二维正态随机变量的二维联合概率密度函数为： 1.2 随机变量与特征函数-1.2.1 随机变量 多维随机变量（X1，X2，X3…….）的联合分布函数定义： 同理，如果Fn （X1，X2，X3……. Xn ）的联合分布函数连续，并且存在n阶混合偏导数，则定义它为n阶联合概率密度函数，表示为： 1.2 随机变量与特征函数-1.2.1 随机变量 1.2 随机变量与特征函数-1.2.2 随机变量的数字特征 1.2.2 随机变量的数字特征 一、均值或数学期望 二、方差 1.2 随机变量与特征函数-1.2.2 随机变量的数字特征 三、矩 1.2 随机变量与特征函数-1.2.2 随机变量的数字特征 性质： 相关系数|rxy|≤1。 如果随机变量X、Y统计独立，则有rxy=0，称X、Y是不相关的。 如果E[XY]=0，则随机变量X、Y称是正交的。 相关系数|rxy| =1，说明X和Y之间呈线性关系。 相关系数意义：其大小说明了一个随机变量依赖于另一个随机变量的程度。 五、随机变量的协方差矩阵 1.2 随机变量与特征函数-1.2.2 随机变量的数字特征 二维随机变量X、Y的协方差矩阵 推广：n维随机变量的协方差矩阵 其中： 1.2 随机变量与特征函数-1.2.2 随机变量的数字特征 1.2 随机变量与特征函数-1.2.3 随机变量的变换 1.2.3 随机变量的变换 问题的提出：如果已知随机变量X的概率密度分布函数p(x)，Y=g(X) ， 随机变量Y的概率密度分布函数p(y)=?， 分析1： 设Y=g(X) 为具有单值对应关系的变换，此时X落在（x+dx)很小区间内的概率应该等于Y落在（y+dy)很小区间的概率，即 p(x)dx=p(y)dy 所以有： 考虑到概率密度函数为非负函数，且x=h(y),变化后的随机变量y的概率密度函数为： 1.2 随机变量与特征函数-1.2.3 随机变量的变换 分析2： 设y=g(x) 为具有多值对应关系的变换，此时Y落在（y+dy) 区间内的概率对应于X域有多种可能性（x1+dx1)、 （x2+dx2)，……. ，因此有 所以有： Y=g(X)的反函数也有多种,分别为： x1=h1(y)， x2=h2(y),…… 问题：如果已知二维随机变量X1、X2的概率密度分布函数p2x(x1，x2)，Y1=g1(X1,X2), Y2=g2(X1,X2)，新的二维随机变量Y的概率密度分布函数 p2y(y1，y2)=? 1.2 随机变量与特征函数-1.2.3 随机变量的变换 分析1： 推广： 如果n维随机变量（X1、X2、…，Xn)和（Y1、Y2、…，Yn)之间是单值变换关系，则多维随机变量的变换关系为 X和Y之间的变换称为雅可比变换。 1.2 随机变量与特征函数-1.2.3 随机变量的变换 1.2 随机变量与特征函数-1.2.3 随机变量的变换 例题：已知二维随机变量X1、X2的概率密度分布函数p(x1,x2)，求新的二维随机变量Y=X1+X2的概率密度分布函数。 解：为了分析方便，假设 （说明：也可以做其他假设） 这样随机变量的反函数和Jacobin行列式如下： 因为 1.2 随机变量与特征函数-1.2.3 随机变量的变换 进一步分析: 如果x1和x2相互独立, 则有 1.2 随机变量与特征函数-1.2.4 随机变量的特征函数 1.2.4 随机变量的特征函数 一、特征函数的定义 离散随机变量X特征函数的定义： 连续随机变量X特征函数的定义： 显然，连续随机变量X的特征函数与其概率密度是一对傅立叶变换对： 1.2 随机变量与特征函数-1.2.4 随机变量的特征函数 应用：利用特征函数可以方便地确定X经过